导读:本文包含了隐写检测论文开题报告文献综述及选题提纲参考文献,主要关键词:异或编码,边缘检测,隐写
隐写检测论文文献综述
岳淼,戴洪珠[1](2019)在《利用异或编码和边缘检测的隐写方法》一文中研究指出根据人眼对边缘区域的不敏感性,本算法将边缘检测和XOR编码相结合进行信息隐藏。由于XOR编码在储存时对载体信息影响较小,且该算法可以根据图片特点灵活改变隐写容量,该算法在尽可能大容量信息嵌入情况下能提供较好的视觉性能。实验结果表明,基于异或编码和边缘检测的算法比传统算法在性能指标上更为优秀。(本文来源于《信息通信》期刊2019年10期)
王硕锋[2](2019)在《复杂条件下隐写信息网络抗毁性能检测仿真》一文中研究指出为了及时获取复杂条件下隐写信息网络抗毁能力,提高隐写信息网络的修复时效,提出复杂条件下隐写信息网络抗毁性能检测方法。以复杂条件下隐写信息网络内不重迭信息传递路径的稳定熵为评估指标,分析隐写信息网络的抗毁性能与网络内不重迭信息传递路径数量之间的关系;结合信息广度与精度,将隐写信息网络遭受的攻击信息获取过程转化为不放回不等概率抽样问题,构建网络入侵攻击节点区域模型;结合攻击渗流理论,通过渗流阈值计算的方法分析随机与优先攻击信息缺失情况下隐写信息网络抗毁性能的强弱,综合隐写信息网络的不重迭路径稳定熵指标,完成网络抗毁性能检测。实验所提方法进行仿真,检测结果表明,能耗与连通性失效两种情况对隐写信息网络抗毁性能的影响较大。(本文来源于《计算机仿真》期刊2019年10期)
叶俊辰,黄潇洒,王士林[3](2019)在《基于卷积神经网络的nsF5隐写检测研究》一文中研究指出针对ns F5算法这种经典且常用的JPEG图像隐写方法,提出了一种基于卷积神经网络的隐写检测算法,能够有效地捕获ns F5算法隐写过程中留下的痕迹。传统的ns F5检测方法依赖人工特征提取,使用支持向量机等工具分类。所提深度学习网络模型在卷积神经网络的基础上引入了稠密连接模块,将卷积后的特征图与输入合并。这种结构设计能够保留浅层提取到的图像特征,实现特征重用,提升效率。实验结果表明,所提算法相较于传统的隐写检测方法有着较高的准确率。(本文来源于《通信技术》期刊2019年03期)
金鹏,杨忠良,黄永峰[4](2018)在《基于卷积神经网络的诗词隐写检测方法》一文中研究指出利用诗词作为载体实现文本信息隐藏是近两年非常热门的研究方向。这一类方法具有隐藏容量大并且隐蔽性高的优点。然而现在还没有针对这一类方法的非常有效的隐写检测算法。提出了一种基于卷积神经网络的诗词隐写检测算法,该算法能自动判断输入的文本是否含有隐藏信息。通过大量数据对模型进行训练并测试,实验结果显示所提出的模型能达到94.8%的检测准确率,表现出非常高的诗词隐写检测性能。(本文来源于《电子技术应用》期刊2018年10期)
王丽娜,王汉森,翟黎明,徐一波,任延珍[5](2018)在《面向JPEG图像的隐写分析盲检测方法》一文中研究指出隐写分析盲检测存在着检测模型的检测准确性和通用性难以兼顾的问题.本文提出一种用于隐写分析的快速支持向量分类算法FC-SS2LM(fast classification for small sphere with two large margins),通过构造最小超球体和双边最大间隔隐写分析模型,使检测模型既能准确构造分类边界又能考虑不同隐写样本的分布特点,达到了兼顾检测准确性和通用性的目的.在BOSSBase标准图像库上对提出的隐写分析盲检测模型进行验证,实验结果表明,该方法在一定程度上克服了传统隐写分析模型通用性差的缺点,同时提高了实际应用中训练数据样本不平衡情况下的检测准确率.即使在实际应用中训练集样本过大、支持向量较多的情况下,采用该方法计算也可以减小算法复杂度,提高泛化能力和分类速度.(本文来源于《武汉大学学报(理学版)》期刊2018年03期)
张月[6](2018)在《抗缩放攻击与统计检测的图像隐写算法研究》一文中研究指出数字图像隐写技术通过特定的算法将秘密信息隐藏到载体图像中来实现隐蔽通信。当前主流的自适应隐写算法大多通过失真函数设计与STCs编码相结合的方式将秘密信息嵌入到图像纹理复杂的区域来提升其抗检测性。然而图像在实际传输时,受带宽、软件处理能力等因素制约,往往会遭受压缩、缩放等处理操作,这不仅会造成图像质量的下降和信息的损失,也会致使秘密信息无法被完全正确提取。因此,在保证抗检测性的基础上,研究抗压缩、缩放等攻击的图像隐写算法势在必行。本文主要针对图像传输过程中遭受的缩放处理,提出了叁种可同时抗缩放攻击与统计检测的图像隐写算法。论文主要工作如下:1、针对现有图像自适应隐写算法难以抵抗缩放攻击的不足,提出了一种基于缩放不变像素的抗缩放攻击与统计检测的隐写方法。该方法针对图像缩放处理中常用的最邻近插值法,首先分析其缩放原理,利用其通过输出像素坐标寻找原始相关像素,通过距离分配权重,通过原始像素和权重的线性组合得到输出像素灰度值的特点,提取图像缩放后的不变像素;然后结合WOW,S-UNIWARD和Mi POD等经典隐写的失真函数与STCs编码实现信息的嵌入,从而达到抗缩放攻击与抗统计检测的目的。提取载密图像SPAM、max SRM两类图像特征进行了抗检测性能实验,结果表明:提出的方法在多种缩放因子和嵌入率的情况下,均表现出良好的抗缩放攻击性能和抗检测性能。2、针对基于缩放不变像素的隐写方法仅对最邻近插值缩放攻击具有鲁棒性的不足,提出一种基于量化索引调制的抗缩放攻击与统计检测的图像自适应隐写算法。该算法针对空域图像,首先采用基于量化索引调制的嵌入算法提取新的嵌入载体,然后利用空域隐写SUNIWARD构造新载体的失真函数,并应用STCs编码秘密信息实现嵌入,最后根据秘密信息在新载体中的嵌入修改幅度,应用量化索引调制算法在原始载体中实现秘密信息的最终嵌入。实验结果表明:该算法对最邻近插值、双线性插值、双叁次插值缩放处理均具有一定的鲁棒性;相比于S-UNIWARD隐写算法,载密图像遭受缩放攻击后,新算法的信息提取错误率明显降低;相比于传统基于量化索引调制的水印算法,新算法的抗检测性能更高。3、针对基于量化索引调制的隐写算法在缩放攻击后秘密信息的正确提取率和抗检测性不高的问题,提出一种基于Zernike矩的抗缩放攻击与统计检测的图像自适应隐写算法。该算法针对空域图像,首先,提取归一化的载体图像Zernike矩的幅值,借鉴抖动调制的算法获得秘密信息的嵌入载体;然后,利用空域隐写S-UNIWARD设计新载体像素的嵌入失真,并应用STCs编码秘密信息实现嵌入;最后,根据秘密信息在新载体中的修改幅度,再次应用基于抖动调制的算法在Zernike矩的幅值中实现秘密信息的最终嵌入,并重构得到载密图像。实验结果表明,该算法不仅能够抵抗缩放攻击,其抗检测性明显高于基于量化索引调制的隐写算法。最后对全文工作进行了总结,指出了本文工作中存在的不足以及下一步的工作方向。(本文来源于《战略支援部队信息工程大学》期刊2018-04-20)
李萌,翟江涛,戴跃伟[7](2018)在《一种针对Skype时间特性拟合的网络隐写检测方法》一文中研究指出网络隐写检测是实现网络可管可控的重要技术支撑。与传统网络隐写相比基于模型拟合的时间式隐写具有更高的隐蔽性,使其成为研究热点。近年来研究者提出了一种拟合Skype应用时间特性的网络隐写方法。由于载体的广泛应用,该方法一经提出便受到极大关注,而目前尚无有效的检测方法。首先通过实验验证了该方法可抵抗基于信息熵的检测算法,进而提取网络数据流时间序列的Markov转移特性、信息熵、均值与方差、DCT(discrete cosine transform)系数以及ε-相似度五种典型特征,最后通过BP(back propagation)神经网络进行分类给出检测结果。实验表明,所提检测方法针对此种隐写算法检测率可达99%,虚警率低于3%,同时通过多样性实验验证了所提方法的鲁棒性。(本文来源于《计算机应用研究》期刊2018年06期)
张轶[8](2017)在《JPEG图像自适应隐写检测关键问题研究》一文中研究指出基于“嵌入失真函数+隐写编码”框架的图像自适应隐写是现阶段数字图像隐写技术的典型代表,此类隐写将秘密信息的嵌入位置限制在纹理复杂和边缘等难以建模的图像区域,给针对此类隐写的隐写分析技术研究带来了极大的困难和挑战。本文关注JPEG图像自适应隐写检测,重点对敏感性强的低维检测特征提取、特定隐写的可靠检测、元素更改概率的利用以及集成分类器的优化等方面存在的若干关键问题开展研究。论文的主要工作和研究成果如下:1、阐述了开展数字隐写和隐写分析技术研究的理论价值和现实意义,介绍了国内外图像自适应隐写和隐写检测技术的研究进展,指出了JPEG图像自适应隐写检测技术研究中存在的若干关键问题。2、敏感性强的低维检测特征提取方面,针对已有检测方法在滤波器方向参数选择时存在盲目性,导致特征维数偏高但敏感性不足的问题,提出了一种基于高斯偏导数滤波器组的隐写检测特征提取方法。该方法根据图像自适应隐写的更改特点,利用多阶、多尺度的高斯偏导数构建滤波器,并从滤波子图像中提取一阶直方图特征用于检测。高斯偏导数滤波器组能够有效便捷地表征图像不同方向上的纹理和边缘信息,有利于敏感性强的低维检测特征提取。实验结果表明,相比已有典型方法,所提方法在保持较低特征维数的同时具有一定的检测性能优势。3、特定隐写的可靠检测方面,针对已有检测方法未考虑干扰量化类隐写特点,导致特征中存在较多冗余的问题,提出了一种基于可能更改位置的隐写检测特征提取方法。该方法基于干扰量化类隐写使用可更改系数选择规则对更改元素进行初始筛选的特点,利用可更改系数与二次量化步长的关系对图像中的可能更改位置进行判定,结合已有方法构建的特征提取源,仅从可能更改统计样本中提取特征用于检测。所得特征在一定程度上减少了冗余的存在,因此对此类隐写具有更强的敏感性。所提方法的有效性得到了实验验证,实验结果还表明,基于多阶统计特性的组合特征能够进一步提升对此类隐写的检测性能。4、元素更改概率的利用方面,提出了一种基于滤波系数权重分配的隐写检测特征提取方法。该方法基于信息嵌入域中元素在隐写时具有不同更改概率的特点,在已有滤波图像直方图特征的基础上,分析滤波系数与DCT系数的关系,得到与滤波系数存在表示关系的相关联DCT系数,并将相关联DCT系数的最大更改概率作为对应滤波系数的权重,通过对具有相同取值的滤波系数进行权重求和得到最终的检测特征。所提方法在一定程度上提升了特征对隐写更改的刻画能力,因此具有更好的检测性能。实验结果表明,所提方法能够提升已有特征的检测性能。同时,相比SCA方法,其在嵌入比率已知和未知情况下均具有一定的检测性能优势。5、集成分类器的优化方面,针对集成分类器在设计时未考虑特征分量间相关性和基分类器间性能差异的问题,提出了一种基于遗传算法和Pareto算法的隐写检测方法。该方法在已有集成分类器的基础上,利用具有良好全局搜索能力的遗传算法以特征子集为基本选择单元进行特征子空间的构建,保证了特征子空间的可分性和多样性,并利用具有双目标优化能力的Pareto算法对基分类器进行优选,在优化基分类器融合结果的同时还兼顾了基分类器的个数。实验结果表明,所提方法能够提升集成分类器的检测性能。(本文来源于《解放军信息工程大学》期刊2017-04-25)
吴运达[9](2017)在《网络环境下的数字图像隐写检测技术研究》一文中研究指出近年来,网络安全形势日益严峻,作为一种新的多媒体信息安全手段,数字图像隐写技术已经成为多媒体信息安全领域的研究热点。隐写检测作为数字隐写的逆向分析技术,经过多年研究同样取得了长足的发展。现有的检测算法在实验室环境下取得了较好的检测效果,但应用于实际网络环境时,由于待测图像统计特性复杂,隐写算法和负载量未知,不可避免的会产生分类器“失配”的问题,隐写检测性能也会大幅降低。图像大数据技术的出现为我们提供了一种解决思路,在当前的网络环境下,可以很容易获得大量不同来源、不同大小以及不同处理历史的图像数据,通过从图像数据集中检索出具有相似先验概率分布的载体图像,可以解决传统盲检测方法面临的“失配”问题。利用异常检测技术可以避免复杂的分类器训练过程,实现真正的通用盲检测。在此基础上本文提出了结合图像检索和异常检测的通用无监督隐写检测算法。此外,现阶段深度学习技术作为一个能够解决复杂分类问题的有力工具,也逐渐应用于隐写分析领域。利用深度学习强大的数据分析和特征提取能力,本文研究了基于卷积神经网络的有监督的隐写检测算法。论文的主要内容和学术成果包括:1、简要介绍了信息隐藏、数字隐写以及隐写分析的基本概念和研究现状,从机器学习角度对现有的隐写检测框架进行了归纳总结,分析了传统检测方法在应用于实际网络环境中遇到的问题并给出本文所提的解决方案。2、针对隐写分析中载体来源失配问题,提出了一种结合图像来源检索与异常检测的通用无监督盲检测算法。首先,简要介绍了数码相机的成像原理,分析了如何通过图像的固有统计特性获取相机来源;然后,分别介绍了图像来源检测算法以及传统低维空间异常检测算法,并给出完整的检测流程;最后通过实验分析对比了本文所提算法与传统无监督隐写检测算法性能。实验结果表明,本文所提算法不仅消除了载体来源失配影响,性能明显优于传统基于单分类器的检测算法,还具有较强的通用性,对多种隐写算法都有较好的检测效果。3、针对原始图像、平滑以及锐化滤波后的图像构成的混合图像集,提出了结合图像滤波检索与异常检测的通用无监督盲检测算法。首先,简要介绍了两种常用的图像滤波算法,并在此基础上提出了图像滤波检测特征;然后,介绍了富模型特征在进行异常检测过程中遇到的“维数灾难”问题,采用的解决方案是使用适合高维空间的异常检测算法。实验结果表明,所提算法性能优于传统的低维空间异常检测算法,但由于富模型特征维度较高,特征提取和异常检测耗时较长,因此检测效率较低。4、针对传统富模型特征维度较高的问题,提出了一种基于富模型特征和卷积神经网络的有监督隐写检测算法。首先,介绍了经典的卷积神经网络的基本结构以及JPEG图像富模型特征;然后,设计了适合富模型特征的卷积神经网络并给出网络结构和参数设置。实验结果表明,本文所提算法检测性能优于传统的富模型特征和集成分类器组合的方式,通过利用深度学习强大的数据分析和GPU并行计算能力,可以解决富模型特征维度较高的问题,而增加训练样本数目能够在一定程度上提升隐写检测性能,进一步论证了深度学习可以应用于隐写分析领域。最后,对本文的主要研究工作进行了总结,并对实际网络环境下的隐写检测技术进行了展望。(本文来源于《解放军信息工程大学》期刊2017-04-15)
盛琪[10](2017)在《针对HEVC预测模式隐写的检测方法研究》一文中研究指出随着新一代编码技术H.265/HEVC的发展,越来越多的视频文件采用HEVC作为编码标准,并使用互联网进行传输。新一代编码技术的优良特性使得视频信息隐藏技术也越来越多的将HEVC视频作为信息嵌入的载体。在信息隐藏技术因此而发展的同时,非法的信息隐藏操作也给互联网环境的安全问题带来严重的威胁。为此,针对HEVC视频信息隐藏的检测算法研究对于维护网络安全有着重要意义。本文首先对视频隐写分析技术的研究背景做了介绍,随后对国内外的研究现状做了详细的阐述,指出本研究的必要性,并针对HEVC视频信息隐藏的检测算法做了如下工作:1.分析HEVC视频编码原理,介绍了HEVC编码的主要环节,如帧内预测、帧间预测、变换量化、熵编码等。并针对帧内预测环节进行了详细介绍,分析了HEVC帧内预测编码的新特性、帧内编码像素值的计算、帧内预测模式的筛选等等,从而为后文分析修改预测模式的隐写算法奠定了理论基础。2.在对修改帧内预测模式隐写算法分析的基础上,提出了一种基于预测模式相关性的隐写检测算法。首先对原始视频和载密视频进行分析,指出信息的嵌入对帧内预测模式造成的影响。其次结合帧内编码特点,构造了预测模式相关性特征,通过实验证明信息隐藏对预测模式相关性造成了较大影响,并从中选择变化较为突出的相关性数据作为视频特征。最后将视频特征输入SVM分类器进行实验分析。实验结果表明,利用预测模式相关性特征可以很好的实现隐写检测,在对不同分辨率、不同内容的视频检测率均在96%以上,且算法复杂度低。3.详细分析了HEVC帧内预测中预测单元PU在尺寸上的选择过程,并提出一种基于重压缩前后预测单元变化率的隐写检测算法。首先分析修改预测模式的隐写算法对预测单元尺寸划分带来的影响,其次通过实验客观的展现出预测单元在信息嵌入后的变化情况。利用校准思想,对载密视频进行相同参数的重压缩,实验表明预测单元在数量上有向原始视频恢复的倾向,并以此现象构造适宜的特征进行实验检测。实验结果表明,本文算法对不同分辨率、不同内容的视频均有较好的检测效果,对高分辨率视频可达到98%以上。(本文来源于《宁波大学》期刊2017-04-05)
隐写检测论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
为了及时获取复杂条件下隐写信息网络抗毁能力,提高隐写信息网络的修复时效,提出复杂条件下隐写信息网络抗毁性能检测方法。以复杂条件下隐写信息网络内不重迭信息传递路径的稳定熵为评估指标,分析隐写信息网络的抗毁性能与网络内不重迭信息传递路径数量之间的关系;结合信息广度与精度,将隐写信息网络遭受的攻击信息获取过程转化为不放回不等概率抽样问题,构建网络入侵攻击节点区域模型;结合攻击渗流理论,通过渗流阈值计算的方法分析随机与优先攻击信息缺失情况下隐写信息网络抗毁性能的强弱,综合隐写信息网络的不重迭路径稳定熵指标,完成网络抗毁性能检测。实验所提方法进行仿真,检测结果表明,能耗与连通性失效两种情况对隐写信息网络抗毁性能的影响较大。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
隐写检测论文参考文献
[1].岳淼,戴洪珠.利用异或编码和边缘检测的隐写方法[J].信息通信.2019
[2].王硕锋.复杂条件下隐写信息网络抗毁性能检测仿真[J].计算机仿真.2019
[3].叶俊辰,黄潇洒,王士林.基于卷积神经网络的nsF5隐写检测研究[J].通信技术.2019
[4].金鹏,杨忠良,黄永峰.基于卷积神经网络的诗词隐写检测方法[J].电子技术应用.2018
[5].王丽娜,王汉森,翟黎明,徐一波,任延珍.面向JPEG图像的隐写分析盲检测方法[J].武汉大学学报(理学版).2018
[6].张月.抗缩放攻击与统计检测的图像隐写算法研究[D].战略支援部队信息工程大学.2018
[7].李萌,翟江涛,戴跃伟.一种针对Skype时间特性拟合的网络隐写检测方法[J].计算机应用研究.2018
[8].张轶.JPEG图像自适应隐写检测关键问题研究[D].解放军信息工程大学.2017
[9].吴运达.网络环境下的数字图像隐写检测技术研究[D].解放军信息工程大学.2017
[10].盛琪.针对HEVC预测模式隐写的检测方法研究[D].宁波大学.2017